一种基于自编码技术的电力仪表图像压缩传输系统与传输方法技术方案

本发明专利技术涉及计算机视觉技术领域，且公开了一种基于自编码技术的电力仪表图像压缩传输系统与传输方法，系统包括图像采集传输装置和服务器，图像采集传输装置的前端安装有摄像头，且内部安装有嵌入式ARM芯片，且嵌入式ARM芯片上部署有编码模型，图像采集传输装置的输出端通过窄带物联网与服务器相连，服务器上部署有解码模型；传输方法为：输入的电力仪表采集图像，经过编码器压缩后用NB

【技术实现步骤摘要】
一种基于自编码技术的电力仪表图像压缩传输系统与传输方法


[0001]本专利技术涉及计算机视觉
，具体为一种基于自编码技术的电力仪表图像压缩传输系统与传输方法。

技术介绍

[0002]随着图像处理技术的发展，电力仪表数据分析目前主要采用图像采集装置对指定的仪表进行定时定点采集、传输再进行人工审核的方法。这些装置早期大多需要使用市电供电并且提供有线网络或者WIFI网络等将图像传输到服务器进行存储显示。
[0003]但是电力领域下的环境施工(如市电的引入，有线网络的部署等)存在较多的规范性要求，施工难度较大。目前的电力仪表监控装置已逐步更换为无电源采集，一般使用电池或太阳能为设备供电，在图像的传输上也逐步使用4G网络，不需要进行大范围的施工，只需要在指定的仪表附近固定图像采集装置即可。但是由于整体装置处于无电源环境，对功耗要求极高，图像采集设备的摄像头、处理器等都限定为低功耗范围，而且普通的4G网络传输图片存在功耗较大，传输容易丢包等问题，目前电力仪表图像采集领域开始使用专用低功耗ARM为核心处理器，负责图像的处理，采用窄带物联网(NB
‑
IOT)负责图像的传输，但存在以下问题：大多数情况下窄带物联网带宽和功率有限，而且低功耗ARM的计算能力也有限制，导致实际情况下，图像的传输较为困难，速率较慢，往往每天只能传输2～3张图片，而且容易发生丢包现象，导致服务器接收到的图像信息损失。为此，我们提出了一种基于自编码技术的电力仪表图像压缩传输系统与传输方法。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了一种基于自编码技术的电力仪表图像压缩传输系统与传输方法，具备满足电力仪表实时监控与低功耗需求，实现同等耗能下每天传输多达120张图片等优点，解决了图片传输功耗大、传输易丢包，每日传输图片数量少，无法满足电力仪表实时监控需求的问题。
[0006](二)技术方案
[0007]为实现满足电力仪表实时监控与低功耗需求，实现同等耗能下每天传输图片多的目的，本专利技术提供如下技术方案：一种基于自编码技术的电力仪表图像压缩传输系统，包括图像采集传输装置和服务器，所述图像采集传输装置的前端安装有摄像头，且内部安装有嵌入式ARM芯片，且嵌入式ARM芯片上部署有编码模型，图像采集传输装置的输出端通过窄带物联网与服务器相连，所述服务器上部署有解码模型。
[0008]一种上述的基于自编码技术的电力仪表图像压缩传输系统的传输方法，包括以下步骤：
[0009]a、采集大量待监测的电力仪表图像；
[0010]b、将采集得到的图像进行自编码训练，结合电力仪表特性，使用梯度相似性损失函数来约束训练，得到图像压缩编码与解码两个模型；
[0011]c、部署图像压缩编码模型到基于嵌入式ARM的图像采集传输装置，通过编码模型将前端摄像头采集的图像数据压缩到256字节长度的隐向量；
[0012]d、使用窄带物联网传输256字节长度的隐向量到服务器；
[0013]e、服务器部署有解码模型，通过解码模型将256字节长度的隐向量复原图像，得到最终的重构图像，用于人工监测或后续数据分析。
[0014]进一步的,步骤a中，采集的电力仪表图像要求电力仪表主体目标在图像中占比超过80％，所有指针与刻度都清晰可见。
[0015]进一步的,步骤b中,进行约束训练过程时，使用梯度相似性来评估最终的图像重构能力，首先定义图像的梯度如下：
[0016][0017]其中，i和j代表图像数据的位置坐标，代表水平方向上的梯度分量，代表垂直方向上的梯度分量；
[0018]然后根据上述定义，梯度的计算方法如下：
[0019]G
x
(i，j)＝f(i+1，j)+f(i
‑
1，j)+f(i，j+1)+f(i，j
‑
1)
‑
4f(i，j)
[0020]其中x(i，j)代表当前位置(i，j)的图像亮度数据，则输入图像与解码后图像之间的梯度相似性指标公式为：
[0021][0022]进一步的,根据定义的梯度相似性，最终的训练损失修改为
[0023][0024]其中
[0025][0026]上述公式中，w0和w1是权重，取值为0～1之间，实验测试发现权重配比为0.3与0.7效果最佳,p为距离等级，取值为2。
[0027]进一步的,根据最终的训练损失函数，评估解码后图像与输入图像之间的差异，使用反向传播算法训练得到电力仪表的编码与解码模型。
[0028]进一步的,根据得到的电力仪表编码与解码模型，将编码模型部署到嵌入式ARM系统，该系统每隔一段固定的时间，使用编码模型将采集的摄像头数据进行压缩编码，得到256字节隐向量，再通过串口网络模块发送该向量数据到服务器，服务器部署得到的解码模型，接收到向量数据后会对图片进行解码处理，生成最终的图片并存储。
[0029]进一步的,步骤b中对采集得到的图像使用卷积神经网络进行自编码训练，网络结构为编码器网络，编码器网络中的全部参数使用2的幂级数，去掉传统卷积方法中的最大池
化，直接使用卷积实现特征降采样功能；解码器网络在反卷积层与对应编码器的卷积层参数进行级联，所有卷积操作均使用深度可分离卷积计算方法，减少计算量。
[0030]进一步的,深度可分离卷积计算方式具体为：在编码器端使用8比特数据进行模型量化，其量化方法为使用预定义的1000张训练集图像，通过编码模型计算后，统计每一层卷积神经网络前向运算时出现的最大值，再将每一层的最大值与模型参数归一化处理，使用8比特表示，得到最终的量化编码模型。
[0031](三)有益效果
[0032]与现有技术相比，本专利技术提供了一种基于自编码技术的电力仪表图像压缩传输系统与传输方法，具备以下有益效果：
[0033]本专利技术中基于自编码框架，将摄像头采集的图像数据进行压缩编码处理，仅需要NB
‑
IoT网络即可传输高质量图像，同时在服务器的服务端还部署了图像解码算法，仅需要几百个字节即可传输原始分辨率在640x480的VGA图像，还原后的SIMM可以达到86.01，相对于传统方法，解决了窄带物联网下图像数据传输的传输速率慢、丢包率高、耗时过长、耗能大等问题，满足电力仪表实时监控与低功耗需求。
附图说明
[0034]图1为本专利技术提出的一种基于自编码技术的电力仪表图像压缩传输系统与传输方法的系统整体流程；
[0035]图2为本专利技术提出的一种基于自编码技术的电力仪表图像压缩传输系统的工作原理框图；
[0036]图3为本专利技术提出的一种基于自编码技术的电力仪表图像压缩传输系统与传输方法中自编码网络架构原理图；
[0037]图4为本专利技术提出的一种基于自编码技术的电力仪表图像压缩传输系统与传输方法电力仪表图像自编码训练损失曲线。
具体实施方式
[0038]下面将对本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自编码技术的电力仪表图像压缩传输系统，包括图像采集传输装置和服务器，其特征在于,所述图像采集传输装置的前端安装有摄像头，且内部安装有嵌入式ARM芯片，且嵌入式ARM芯片上部署有编码模型，图像采集传输装置的输出端通过窄带物联网与服务器相连，所述服务器上部署有解码模型。2.一种权力要求1所述的基于自编码技术的电力仪表图像压缩传输系统的传输方法，其特征在于,包括以下步骤：a、采集大量待监测的电力仪表图像；b、将采集得到的图像进行自编码训练，结合电力仪表特性，使用梯度相似性损失函数来约束训练，得到图像压缩编码与解码两个模型；c、部署图像压缩编码模型到基于嵌入式ARM的图像采集传输装置，通过编码模型将前端摄像头采集的图像数据压缩到256字节长度的隐向量；d、使用窄带物联网传输256字节长度的隐向量到服务器；e、服务器部署有解码模型，通过解码模型将256字节长度的隐向量复原图像，得到最终的重构图像，用于人工监测或后续数据分析。3.根据权利要求2所述的一种基于自编码技术的电力仪表图像压缩传输系统的传输方法，其特征在于,步骤a中，采集的电力仪表图像要求电力仪表主体目标在图像中占比超过80％，所有指针与刻度都清晰可见。4.根据权利要求3所述的一种基于自编码技术的电力仪表图像压缩传输系统的传输方法，其特征在于,步骤b中,进行约束训练过程时，使用梯度相似性来评估最终的图像重构能力，首先定义图像的梯度如下：其中，i和j代表图像数据的位置坐标，代表水平方向上的梯度分量，代表垂直方向上的梯度分量；然后根据上述定义，梯度的计算方法如下：G
x
(i，j)＝f(i+1，j)+f(i
‑
1，j)+f(i，j+1)+f(i，j
‑
1)
‑
4f(i，j)其中x(i，j)代表当前位置(i，j)的图像亮度数据，则输入图像与解码后图像之间的梯度相似性指标公式为：5.根...

【专利技术属性】
技术研发人员：魏巍，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：